Het open source AI-platform Cairn misbruikt blijkt te worden als versneller voor aanvallen. Een analyse door Norforge beschrijft hoe kwaadwillenden het platform inzetten om stap-voor-stap operaties tegen honderden websites te automatiseren, met focus op aanhoudende toegang en later te gelde maken van de resultaten.
Hoewel de details per cluster verschillen, komt één patroon terug: wanneer een aanvalsteam zijn “panelen” onbedoeld openzet of onvoldoende afschermt, kan een onderzoeker die infrastructuur gebruiken om te zien welke doelen worden getest en welke uitkomsten zijn verzameld.
Wat is Cairn en waarom trekt het aanvallers aan?
Cairn is een general-purpose engine die taken kan verdelen over AI-agenten. Het platform helpt bij het coördineren van agenten richting één vooraf gedefinieerd einddoel. In plaats van losse prompts is elke taak opgezet als een project met een herkenbare oorsprong en een doel.
De agenten werken vervolgens in stappen van “origin” naar “goal”. Daarbij worden intenties en bevindingen gedeeld via een gemeenschappelijke plek, vaak aangeduid als een blackboard. In de praktijk maakt dat het platform bruikbaar als een autonome engine voor activiteiten zoals het controleren van doelomgevingen en het verzamelen van informatie die later kan worden omgezet in een aanval.
Voor securityteams is de kern eenvoudig: hoe beter de automatisering en hoe concreter het proces, hoe sneller aanvallers operaties kunnen herhalen en opschalen.
Drie clusters: open panelen vol geautomatiseerde projecten
Norforge identificeerde drie clusters van activiteit die volgens de onderzoekers kwaadaardig waren. De gemeenschappelijke noemer is dat de paneldata mogelijk toegankelijk was, waardoor de onderzoekers konden vaststellen welke richtingen de aanvallers kozen.
Cluster 1: webshell-toegang en persistentie
Het grootste cluster gebruikt Chinese taal en omvat meer dan 1.100 aanvalprojecten over 14 dashboards. De doelen lagen op het terrein van e-commerce en payment-infrastructuur in de VS, Japan en Australië.
De vermoedelijke insteek is om persistent access te verkrijgen via webshells. Zulke toegang kan later worden gemonetiseerd, bijvoorbeeld door nieuwe acties uit te voeren vanuit de gecompromitteerde omgeving.
Daarnaast bevatte dit cluster automatische validatie. Doelen werden ook gerangschikt op basis van verkeer en eerst getest via Microsofts browserautomatiseringsframework Playwright, voordat ze aan Cairn werden gevoed.
Volgens nieuwsberichtgeving raakte een aanvaller met deze aanpak mogelijk meer dan 100 bedrijven. Norforge noemt geen slachtoffers, maar Reuters koppelt de activiteit aan onder meer John Deere en SharkNinja.
Cluster 2: diefstal van kaartgegevens en crypto
Een tweede cluster stelde 10 panelen bloot. Dit team gebruikt Engels en richt zich op het stelen van credit card– en cryptodata. De focus ligt daarbij op merchant payment services, gray-market payment sites en ook op platformen in de farmaceutische sector.
Een deel van de doelwitten bestond uit commerciële websites in Afrika. Norforge vermoedt dat het aanvallende team daar een operationele basis heeft.
Cluster 3: shell-, admin- en database-toegang
Het derde cluster liet één panel zien met 59 projecten die vrijwel alle soorten e-commercewebsites raakten. Daaronder vallen ook zeer grote commerciële platforms in de VS.
De intentie in dit cluster lijkt te liggen bij shell access, maar ook bij toegang tot admin panelen en databases.
Succespercentage en gevonden “secrets”
Niet elke poging slaagt. Norforge schat dat de aanvallers in ongeveer 10% van hun pogingen succesvol waren. Tegelijkertijd vonden de onderzoekers honderden “secrets” in de blootgelegde paneldata.
Van die geheimen kon volgens de analyse ongeveer 11% ook daadwerkelijk worden geverifieerd als geldig. Dat is precies het type combinatie dat aanvallen snel kan laten escaleren: een deel van de informatie is direct inzetbaar, terwijl de rest waarschijnlijk later waarde toevoegt.
Wilt u de bredere context rond AI-gedreven aanvallen beter begrijpen? Lees dan ook het artikel over AI-software security: focus op volwassenheid.
Waarom “open panelen” een groot risico vormen
Het opvallende aan deze casus is dat het kwaadwillenden niet alleen om de techniek draait, maar ook om operational security. Als panelen of relevante interfaces te open staan, kunnen derden niet alleen meekijken, maar ook de aanpak reconstrueren.
Voor organisaties betekent dit dat u niet alleen moet kijken naar “of” er een kwetsbaarheid is, maar ook naar hoe goed uw automatiserings- en integratiepunten zijn afgeschermd. Denk aan toegangsbeheer, logging, secret management en het beperken van wie of wat welke taken kan uitvoeren.
Wat kunnen defenders nu doen?
Op basis van het beschreven gedrag (persistent access, webshell-gebruik, geautomatiseerde validatie en stapgerichte agentacties) kunt u uw eigen weerbaarheid gericht aanscherpen.
1) Versterk detectie op webshells en persistente toegang
Zoek niet alleen naar bekende malware-indicatoren, maar ook naar patronen die passen bij het opzetten of activeren van webshells. Houd rekening met varianten en met “normale” verkeer dat toch in rare volgorde terugkomt.
2) Beperk en monitort geautomatiseerde browser- en teststromen
Omdat doelen werden gevalideerd met Playwright (volgens de analyse), is het verstandig om afwijkingen in geautomatiseerde sessies te herkennen. Let op ongewone requestpatronen, herhaalde probing en gelijktijdige sessies die niet aansluiten op uw normale gebruik.
3) Voorkom dat “projectdata” of secrets uitlekken
De onderzoekers vonden honderden secrets in blootgelegde paneldata. Dat onderstreept het belang van secret management, het principe van least privilege en het afschermen van dashboards, projectstatussen en exportmogelijkheden.
Als u meer wilt lezen over het beheer van toegang bij AI-agenten en geautomatiseerde workflows, is dit mogelijk relevant: Microsoft: rogue AI-agents beperken met Dynamic Permissions.
4) Werk aan AI-governance en procescontrole
De casus laat zien dat AI-automatisering niet “vanzelf” veilig is. Governance—wie mag wat, hoe wordt het gebruik getoetst, hoe wordt misbruik gedetecteerd—wordt daarmee onderdeel van uw securitystrategie.
Een praktische insteek hiervoor vindt u ook in Tackling wild code met goede AI-security governance.
Conclusie: Cairn misbruikt is geen theorie
Deze melding gaat niet over een abstract concept, maar over zichtbaar geautomatiseerde aanvalspatronen via Cairn misbruikt. Door open panelen en dashboards werd duidelijk hoe teams projecten structureren, doelen rangschikken en stappen automatiseren richting persistent access, shell-toegang en financiële diefstal.
Voor organisaties is de boodschap tweeledig: schaalbare AI-aanvalsmethodes zijn reëel, en uw verdedigingsmaatregelen moeten net zo gestructureerd zijn—met focus op toegangsbeheer, detectie van persistente compromissen en het voorkomen van datalekkage van gevoelige panelinformatie.
Bron: https://www.securityweek.com/ai-platform-cairn-abused-to-hack-over-100-organizations/
